基于机器学习的静息态人脑功能活动差异的分类研究

• 作者: 孙军梅 尉飞 李秀梅 葛青青 赵宝奇
• 来源期刊: 杭州师范大学学报（自然科学版）
• 学科: 工学
• 关键词: 静息态功能磁共振成像 机器学习 脑功能活动 比率低频振幅 局部一致性
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 物理与计算机科学
• 页码范围: 526-532,560
• 页数: 8页
• 分类号: TP317.4
• 语种: 中文
• DOI: 10.12191/j.issn.1674-232X.2020.05.012

摘要

本研究在睁眼(eyes-open,EO)和闭眼(eyes-closed,EC)两种静息态下提取了45位健康被试的脑功能参数比率低频振幅(fractional amplitude of low frequency fluctuation,fALFF)和局部一致性(regional homoge-neity,ReHo)数据,比较并分析了基于线性核的支持向量机(SVM)、基于RBF核的支持向量机、朴素贝叶斯、决策树、随机森林和自适应增强(Adaboost)6种机器学习方法在数据上的分类效果.实验表明,对单一特征数据分类时,朴素贝叶斯算法对fALFF数据的分类效果最好,线性核的SVM算法对ReHo数据的分类效果最好;对fALFF和ReHo数据相融合的多层次特征数据分类时,朴素贝叶斯算法的分类效果最好.此外,本研究对单一特征数据与多层次特征数据在6种机器学习方法上进行分类比较,结果表明利用多层次特征数据时,基于RB F核的SVM,朴素贝叶斯和随机森林算法的分类效果有所提升.本研究基于不同机器学习方法和不同层次特征数据的分类比较,为EO和EC静息态脑功能活动和其他脑病理的研究提供了相关的参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙军梅		18	63	4.0	7.0
2	李秀梅		23	87	4.0	8.0
3	尉飞		2	0	0.0	0.0
4	赵宝奇		2	0	0.0	0.0
5	葛青青		2	0	0.0	0.0